Mavzu:CHiziqli va logistik regressiyani sozlash 710-19 guruh muhammadiy qobiljonov Reja: kirish - Chiziqli va logistik regressiya o'rtasidagi farqni muhokama qilish asosiy tenglama modelidan boshlanishi kerak. Chiziqli regressiya uchun tenglama sodda.
- y = a + bx
- Siz ushbu tenglamani boshqa shakllarda ko'rishingiz mumkin va siz uni oddiy eng kichik kvadratlar regressiyasi deb atashingiz mumkin, ammo asosiy tushuncha har doim bir xil. Siz foydalanadigan manbaga qarab, logistika regressiyasini ifodalash uchun ishlatilgan ba'zi tenglamalar, agar siz matematik mutaxassisligingiz bo'lmasa, dahshatli bo'lib qolishi mumkin. Ammo, ushbu munozaraning boshlanishi logistik regressning eng oddiy qarashlaridan birini ishlatishi mumkin:
- p = f (a + bx)
- > p, logistika funktsiyasiga teng, f, ikkita model parametrlariga qo'llaniladi, a va b, va bitta izohli o'zgaruvchi, x. Ushbu muayyan modelga qaraganingizda, bu haqiqatan ham chiziqli regressiya modelidan farq qiladigan narsalarning barchasi emasligini bilasiz, bundan tashqari, siz chiziqli regressiya natijasini logistika funktsiyasi orqali kerakli egri chiziqni olish uchun etkazib berasiz.
- Chiqish (bog'liq bo'lgan o'zgaruvchanlik) 0 dan (ehtimol sodir bo'lmaydi) 1 gacha (aniq sodir bo'ladi) yoki biron bir narsa kategoriya yoki uning bir qismi emasligini aytadigan kategoriya. (Bundan tashqari, ko'p darajali tasniflashni amalga oshirishingiz mumkin, ammo hozirda ikkilik javobga e'tibor qarating.) Chiziqli regressiya chiqishi va logistik regressiya chiqishi o'rtasidagi farqni ko'rishning eng yaxshi usuli quyidagicha deyishdir.
Chiziqli regressiya doimiydir. Uzluksiz qiymat ma'lum qiymatlar oralig'i (diapazoni) ichidagi har qanday qiymatni olishi mumkin. Masalan, ikki kishining balandligi qanchalik yaqin bo'lishidan qat'i nazar, siz har doim balandligi o'sha ikki shaxsning biriga mos keladigan kishini topishingiz mumkin. Uzluksiz qiymatlarga misollar: - Chiziqli regressiya doimiydir. Uzluksiz qiymat ma'lum qiymatlar oralig'i (diapazoni) ichidagi har qanday qiymatni olishi mumkin. Masalan, ikki kishining balandligi qanchalik yaqin bo'lishidan qat'i nazar, siz har doim balandligi o'sha ikki shaxsning biriga mos keladigan kishini topishingiz mumkin. Uzluksiz qiymatlarga misollar:
- Balandligi
- Og'irligi
- Belning o'lchami
- Logistik regressiya diskretdir. Diskret qiymat aniq taxminiy qiymatlarga ega. Masalan, shifoxona ma'lum bir kunda faqat ma'lum miqdordagi bemorni qabul qilishi mumkin. Siz bemorning yarmini qabul qila olmaysiz (hech bo'lmaganda, tirik emas).
LOGISTIK REGRESSIYANI HAL QILADIGAN MUAMMOLAR - Siz logistik regressiyani bir nechta toifalarga ajratishingiz mumkin. Birinchisi - oddiy logistik regressiya, bunda siz oddiy chiziqli regressiyada ko'rganingizdek bitta mustaqil o'zgaruvchiga va bitta mustaqil o'zgaruvchiga egasiz. Ammo, logistika regressiyasini qanday hisoblaganingiz sababli, mahsulotning faqat ikki turini kutishingiz mumkin:
Tasniflash: Ikkita mavjud natijalar, masalan, erkak yoki ayol, ha yoki yo'q, yoki yuqori yoki past bo'lish o'rtasida qaror qiladi. Natija ma'lum bir ma'lumot nuqtasi chiziqning qaysi tomoniga tushishiga bog'liq. - Tasniflash: Ikkita mavjud natijalar, masalan, erkak yoki ayol, ha yoki yo'q, yoki yuqori yoki past bo'lish o'rtasida qaror qiladi. Natija ma'lum bir ma'lumot nuqtasi chiziqning qaysi tomoniga tushishiga bog'liq.
- Ehtimol: Biror narsaning haqiqat yoki yolg'on bo'lishi ehtimolini aniqlaydi. Haqiqiy va noto'g'ri qiymatlar ma'lum ma'nolarga ega bo'lishi mumkin. Masalan, axlat qutisida sariq va qizil olma borligiga asoslanib, ma'lum bir olma sariq yoki qizil bo'lishi ehtimoli haqida bilishni xohlashingiz mumkin
- Chiziqli va logistik regressiya o'rtasidagi farqni tushunishning bir qismi sifatida, chiziqli regressiyaga yaxshi yordam beradigan ushbu sinfni bashorat qilish muammosini ko'rib chiqing. Quyidagi kodda, ushbu ma'lumotlar bilan logistika regressiyasini ishlatishga urinishning samarasini ko'rasiz:
- Foydalanilgan adabiyotlar
- Tolles, Juliana; Meurer, Uilyam J (2016). "Bemorning xususiyatlarini natijalar bilan bog'liq bo'lgan logistik regressiya". JAMA. 316 (5): 533–4. Doi :10.1001 / jama.2016.7653 . ISSN 0098-7484 . OCLC 6823603312 . PMID 27483067 .
- Walker, SH; Dunkan, JB (1967). "Bir nechta mustaqil o'zgaruvchilar funktsiyasi sifatida hodisa ehtimolini baholash". Biometrika. 54 (1/2): 167–178. Doi 10.2307/2333860 . JSTOR 2333860 .
- Kramer 2002 yil , p. 8.
- Boyd, C. R .; Tolson, M. A .; Copes, W. S. (1987). "Travmatizmni baholashni baholash: TRISS usuli. Travma ballari va shikastlanish darajasi". Travma jurnali. 27 (4): 370–378. Doi :10.1097/00005373-198704000-00005 PMID 3106646 .
-
Do'stlaringiz bilan baham: |
